刘 钦

（郑州财税金融职业学院，河南 郑州450048）

1 引言

在物流仓储中，自动导引小车（Automatic Guided Vehicle，AGV）代替人工进行物料运输与分拣成为发展趋势，而AGV运输路径长度、平滑性与小车工作效率紧密相连［1］，因此研究AGV导航路径规划问题对提高小车工作效率具有重要意义。

根据对工作环境的掌握程度，机器人导航路径规划分为全局路径规划和局部路径规划，研究的是静态环境下全局路径规划问题。从研究时间上讲，前期出现的路径规划方法有栅格法［2］、可视图法［3］、人工势场法［4］等，当前研究热点为智能算法应用于路径规划，方法有人工鱼群算法［5］、粒子群算法［6］、遗传算法［7］等。以上方法针对不同环境下路径规划问题具有较好效果，但都存在各自缺陷，比如栅格法和自由空间法环境实行性差，环境改变时需重新建模；人工势场法存在局部极值和目标不可达问题；智能算法普遍问题是算法自身寻优深度与寻优广度之间的矛盾，因此机器人路径规划仍需进行深入研究。

以栅格环境下机器人路径规划为研究课题，提出了开创型蚂蚁主导的超强启发式异类蚁群算法。在传统蚁群算法基础上，提出了由开创型蚂蚁、传统型蚂蚁、守旧型蚂蚁组成的异类蚁群算法；在信息素更新方面，提出了超强启发式信息素更新方法，实现了规划路径短且耗时少的目的。

2 栅格建模与蚁群算法

2.1 栅格环境模型

栅格环境建模法原理简单，易于实现。使用一定大小的栅格将工作区域进行划分，当栅格中存在障碍物时将栅格属性赋值为1，当栅格中不存在障碍物时将栅格属性赋值为0，这样就将抽象的工作环境建模为机器可识别的0-1矩阵［8］。……